Señales de alerta en los informes

Cuando un panel de visibilidad en IA oculta el método.

La respuesta corta

La señal de alerta más clara en un panel de visibilidad en IA es una única puntuación fija mostrada sin nota de método y sin intervalo de confianza. La medición revisada de la búsqueda generativa demuestra que las diferencias por debajo de 5 a 7 puntos porcentuales en estas métricas caen dentro del ruido de muestreo, así que un número de apariencia precisa sin nada detrás es decoración, no medición. La señal casi nunca es una cifra equivocada: es la ausencia de los prompts, las repeticiones, el desglose por motor y la evidencia a nivel de prompt que permitirían comprobar la cifra.

Por qué un solo número miente

Las respuestas de IA no son deterministas, así que una puntuación fija es una sola extracción de una distribución.

El mismo prompt devuelve un conjunto de citas distinto en cada repetición. No es un fallo de la herramienta: es la superficie de medición, y por eso un panel que informa un único número estable sin su incertidumbre describe una precisión que no tiene.

5-7 ptsDiferencia en una métrica de visibilidad por debajo de la cual dos dominios no pueden distinguirse con fiabilidad: cualquier cosa menor cae dentro del suelo de ruido del muestreo (Sielinski, 374.052 citas, 200 consultas/tema en tres motores)Sielinski, Quantifying Uncertainty in AI Visibility (arXiv 2603.08924)

0,29-0,50Solapamiento mediano (Jaccard) entre los conjuntos de citas que dos prompts idénticos devuelven en el mismo motor — Gemini 0,29-0,31, SearchGPT 0,33-0,40, Perplexity 0,50 — así que una sola ejecución no es una medición (Sielinski)Search Engine Journal, AI visibility rankings aren't stable (11 jul 2026)

40+Herramientas de GEO que ya venden una puntuación de 'visibilidad en IA', la mayoría midiendo métricas que no correlacionan con tráfico ni conversiones — 'pide exactitud de citas, no volumen de citas' (Mintec)Mintec, The vanity metric problem in GEO

69,6%Cuota de citas de IA hecha por un solo motor — solo el 2,7% de los dominios fue citado por los cinco — así que una única puntuación combinada oculta dónde apareces de verdad (SurfacedBy, 127.198 citas)SurfacedBy, AI citation study: engine overlap

85%Cuota de citas en respuestas de IA que proceden de fuentes de terceros, no del dominio propio de la marca — un panel que solo sigue páginas propias es ciego a la mayor parte del canal (AirOps)Omnibound, AI Search Statistics

Primeros principios

La señal de alerta es lo que el panel omite, no el número que muestra.

Un panel de visibilidad en IA existe para decirte si el trabajo de optimización para motores de respuesta (AEO) está cambiando cómo los motores de IA mencionan, citan y recomiendan una marca. El problema es que las respuestas de IA se sintetizan de nuevo en cada consulta, así que la señal subyacente es ruidosa, personalizada, geográfica y no determinista. En un estudio estadístico de 2026 sobre 374.052 citas en Gemini, SearchGPT y Perplexity, el mismo prompt devolvió conjuntos de citas que se solapaban solo entre 0,29 y 0,50 de media entre repeticiones, y dos respuestas compartían todas las fuentes apenas entre el 0,01% y el 8% de las veces. Sobre esa superficie, «eres el número cuatro de tu categoría» no es un hecho: es una sola extracción de una distribución.

La falsa precisión es la señal de alerta maestra

Como la superficie es ruidosa, la señal más fiable es un número que parece más preciso de lo que la medición puede sostener. El mismo estudio halló que las diferencias por debajo de unos 5 a 7 puntos porcentuales caen dentro del suelo de ruido: cuando se calculan intervalos de confianza alrededor de dominios que compiten, sus diferencias aparentes se solapan y no pueden distinguirse. Un panel que informa «visibilidad: 62,4%» o «has subido dos puestos esta semana» sin intervalo alrededor está afirmando una diferencia que los datos no sostienen. Como resumió un profesional que analizó estas herramientas: la señal no es inútil; la precisión está inventada.

Una señal de alerta es un método ausente, no una cifra equivocada

Las señales que siguen son versiones del mismo fallo: el panel muestra un resultado pero oculta el método que permitiría refutarlo. Un informe creíble puede estar equivocado y aun así ser honesto, porque puedes abrir la evidencia y ver por qué. Un panel que oculta el método es lo contrario: pulido, seguro e irrefutable. Por eso el remedio nunca es «confía en otro número»; es exigir los prompts, las repeticiones, el desglose por motor y la evidencia a nivel de prompt, y tratar su ausencia como la señal de alerta en sí misma.

Comprobación

Cómo destapar en una sola sesión un panel que oculta su método.

No hace falta ser estadístico. Haz estas preguntas a cualquier informe de visibilidad en IA, sea de una agencia o de una herramienta. Un panel que no puede responderlas oculta su método, diga lo que diga el número de portada.

1. Pide la nota de método

Antes de cualquier gráfico: qué prompts se muestrearon, agrupados por intención; cuántos prompts; qué motores; en qué ventana; y desde qué cuenta, plan de suscripción y geografía. Si el informe no puede decir qué midió, todo número posterior es irrefutable. La ausencia de nota de método es la primera señal de alerta.

2. Pide el intervalo de confianza y las repeticiones por prompt

Una sola ejecución no es una medición. Pregunta cuántas veces se muestreó cada prompt y cuál es la incertidumbre de cada cifra. La investigación sitúa el tamaño de muestra necesario para una estimación estable entre unas 40 y 150 consultas por motor; un panel que informa un decimal a partir de una sola ejecución, sin rango, muestra falsa precisión.

3. Pide verlo por motor

ChatGPT, Google AI Overviews y AI Mode, Gemini, Claude y Perplexity citan fuentes distintas en volúmenes distintos: en un estudio, el 69,6% de las citas vino de un solo motor y solo el 2,7% de los dominios apareció en los cinco. Una puntuación combinada promedia motores que discrepan por múltiplos. Exige una sección por motor; un único número fundido es una señal de alerta.

4. Abre un número hasta su evidencia

Señala cualquier cifra y pide bajar hasta el prompt, la respuesta, la fuente y la marca de tiempo exactos que la produjeron. Una herramienta honesta con su método te deja leer la respuesta cruda que generó la métrica. Si el número no se puede abrir —si no hay desglose a nivel de prompt— es decoración.

5. Comprueba si el tráfico web sustituye a la visibilidad en IA

El tráfico de referencia de las herramientas de IA es una señal aparte y muy subcontada: alrededor del 70% de las visitas impulsadas por IA aterrizan en GA4 como 'Directo' sin fuente legible. Un panel que muestra un gráfico de tráfico creciente como prueba de visibilidad en IA está midiendo lo que no es. Visibilidad en IA y tráfico web van en secciones distintas, nunca una en lugar de la otra.

6. Pide exactitud de citas, no solo volumen de citas

Con más de 40 herramientas compitiendo por un recuento, el volumen es la métrica fácil de inflar. Pregunta si las menciones son exactas: ¿el motor describe bien la marca, o cuenta como éxito menciones alucinadas o que la caracterizan mal? Aparecer mal es un pasivo, así que un informe que nunca comprueba cómo se describe la marca oculta la mitad del cuadro.

7. Pregunta cómo se separa la deriva del modelo de tus cambios

Las respuestas de IA se mueven con cada actualización de modelo. Un informe serio distingue un salto causado por un modelo nuevo de un movimiento causado por tu trabajo; un panel que lee cada oscilación como tu victoria o tu derrota no puede decirte qué hizo realmente tu trabajo. Si no se separan la deriva y tus cambios, la historia causal es irrefutable.

Las señales, en paralelo

Un panel que oculta su método frente a uno que enseña su trabajo.

La misma métrica, dos tratamientos. La señal de alerta siempre es el método ausente, no lo pulido del gráfico.

Señales que distinguen un panel de visibilidad en IA que oculta su método de uno que lo enseña.
La señal	Oculta el método (alerta)	Enseña su trabajo
Portada	Una única puntuación combinada sin nada debajo	Una puntuación más las secciones que la explican
Incertidumbre	Un decimal, sin rango, de una sola ejecución	Intervalo de confianza y repeticiones por prompt
Nota de método	Ausente; los números no se pueden reproducir	Prompts, motores, muestreo, ventana y geografía
Motores	Fundidos en un solo número	Desglosados por motor
Evidencia	Gráficos pulidos, sin acceso a nivel de prompt	Bajada a prompt, respuesta, fuente y marca de tiempo
Tráfico	Gráfico de tráfico presentado como prueba de IA	Visibilidad en IA separada del tráfico web
Movimiento	'Dos puestos esta semana' en un sistema estocástico	Tendencia en ventana estable, deriva separada

El catálogo

Seis señales de que un panel oculta su método.

Ninguna trata del tamaño del número. Cada una trata de un método que el panel se niega a mostrar.

La portada de un solo número

Una única 'puntuación de visibilidad en IA' sin secciones debajo que expliquen por qué se movió. Es la línea menos informativa del informe.

Sin intervalo de confianza

Una cifra con un decimal, de una sola ejecución, sin rango. Las diferencias de menos de 5 a 7 puntos son ruido; un número sin rango lo oculta.

Sin nota de método

Sin lista de prompts, motores, frecuencia de muestreo ni geografía. Sin eso el número no se puede reproducir, así que no se puede confiar en él.

Tráfico como prueba de IA

Un gráfico de GA4 o de referencia creciente presentado como prueba de visibilidad en IA. Es una señal distinta, ~70% opaca, no una medida de cita.

Combinado entre motores

Una puntuación que promedia motores que discrepan por múltiplos. Oculta dónde apareces de verdad, que es la parte relevante para decidir.

'Dos puestos esta semana'

Movimiento semana a semana en un sistema no determinista, presentado como señal. En esta superficie, una semana es ruido, no tendencia.

Cómo evalúa el directorio la metodología Ver el Índice de Visibilidad en IA

Definición

Puntuación de falsa precisión, definida.

puntuación de falsa precisión

Una cifra de visibilidad en IA informada con una precisión que la medición no puede sostener: un número fijo de muy pocas ejecuciones, sin intervalo de confianza, en una superficie donde las diferencias de menos de 5 a 7 puntos no se distinguen del ruido de muestreo.

Una puntuación de falsa precisión es la señal característica de un panel que oculta su método. Como las respuestas de IA no son deterministas, cualquier métrica de una sola ejecución es una extracción de una distribución; informarla como un número estable y preciso hasta el decimal implica una certeza que los datos no contienen. La forma honesta de la misma métrica lleva un intervalo de confianza, dice cuántas ejecuciones la produjeron y deja al lector abrir los prompts y respuestas subyacentes. Una puntuación sin eso describe una visibilidad que no puede evidenciar.

Dónde encaja

Usa las señales como criterios de aceptación, y el directorio como punto de partida.

Estas señales son el complemento, desde el ojo del lector, de la lista más completa de qué contiene un buen informe de visibilidad en IA y del ejemplo trabajado del informe mensual de AEO; donde esas páginas describen las secciones que un informe debería incluir, esta nombra los indicios concretos de que un panel las está ocultando. También acompaña al catálogo más amplio de señales de alerta de una agencia AEO, del que el panel opaco es una: esta página profundiza en el propio artefacto de reporte. Juntas permiten a un comprador separar una práctica real de medición de un panel de apariencia segura, y los criterios del directorio explican los estándares de metodología publicada y de medición que se espera que una agencia evidencie.

Divulgación, porque esto toca la neutralidad del directorio: quien opera este portal también dirige la agencia Blobic, que figura en el directorio bajo los mismos criterios públicos que cualquier otra firma, con una insignia de divulgación y sin posición preferente. Ninguna aparición se paga y ninguna posición se puede comprar. Publicamos estos estándares de reporte como un observatorio independiente, no como un proveedor que vende su propio panel: un directorio que clasificara a su propio operador según un número que no te dejara inspeccionar sería su peor señal de alerta. A las empresas que buscan proveedor se las remite al directorio; las agencias que reportan con un método visible pueden postularse para aparecer.

Preguntas frecuentes

Dudas habituales al leer un panel de visibilidad en IA.

¿Por qué mi panel de GEO solo muestra un número?

Porque una única 'puntuación de visibilidad en IA' es lo más fácil de vender y lo menos informativo de leer. Comprime cita, mención y recomendación de todos los motores en una sola cifra, lo que oculta dónde apareces de verdad y por qué se movió el número. Una única puntuación vale como titular, pero por sí sola —sin desglose por motor, sin nota de método y sin evidencia a nivel de prompt— es una señal de alerta de que el panel oculta su método.

¿Es fiable mi informe de visibilidad en IA?

Ponlo a prueba con unas preguntas: ¿puede indicar la cartera de prompts, los motores, la frecuencia de muestreo y la geografía que midió; muestra un intervalo de confianza y cuántas ejecuciones produjeron cada cifra; puedes bajar de cualquier número al prompt, la respuesta, la fuente y la marca de tiempo exactos; y mantiene la visibilidad en IA separada del tráfico web? Un informe que responde a eso es fiable, te gusten o no las cifras. Uno que no puede oculta su método.

¿Debería una puntuación de visibilidad en IA llevar intervalo de confianza?

Sí. Las respuestas de IA no son deterministas, así que cualquier puntuación se estima a partir de una muestra ruidosa. Un estudio estadístico de 2026 sobre 374.052 citas halló que las diferencias por debajo de unos 5 a 7 puntos porcentuales caen dentro del ruido de muestreo y no se distinguen con fiabilidad, y que las estimaciones estables necesitan del orden de 40 a 150 ejecuciones por motor. Un número informado con un decimal a partir de una sola ejecución, sin rango, muestra una precisión que la medición no puede sostener.

¿Puedo fiarme del movimiento semana a semana en un panel de visibilidad en IA?

Rara vez. En una superficie no determinista donde prompts idénticos se solapan solo entre 0,29 y 0,50 entre ejecuciones, un movimiento de una semana suele ser ruido, no tendencia. 'Has subido dos puestos esta semana' se lee como señal pero a menudo está dentro del margen de error. Fíate del movimiento solo cuando se mide en una ventana estable, se muestrea repetidamente y es lo bastante grande para superar el suelo de ruido de 5 a 7 puntos, y cuando se ha separado la deriva del modelo de tus propios cambios.

¿Es el tráfico web una prueba de visibilidad en IA?

No. El tráfico de referencia de las herramientas de IA es una señal aparte, y alrededor del 70% de las visitas impulsadas por IA aterrizan en la analítica como 'Directo' sin fuente legible, así que el tráfico subcuenta drásticamente el canal y no se puede rastrear hasta respuestas concretas. Un panel que muestra un gráfico de tráfico creciente como prueba de visibilidad en IA sustituye la métrica correcta por otra. Mantén la visibilidad en IA —cita, mención y recomendación en una cartera de prompts— en su propia sección.

¿Cuántas ejecuciones por prompt necesita una medición fiable de visibilidad en IA?

Más de una, y normalmente muchas. La medición publicada sitúa el tamaño de muestra para una estimación estable de cuota de citas en torno a 40-50 consultas para Gemini, unas 100 para Perplexity y 150 o más para SearchGPT, y las referencias de la práctica recomiendan un mínimo de unas diez ejecuciones por prompt antes de que una tasa se estabilice. El número exacto importa menos que el principio: un panel construido sobre ejecuciones únicas informa ruido como si fuera una medición.

Siguiente paso

Exige a cada panel el mismo método.

Usa estas señales como criterios de aceptación y luego arranca tu preselección desde agencias listadas bajo criterios públicos. Las agencias que reportan con un método visible pueden postularse.

Explorar el directorio Qué contiene un buen informe de visibilidad en IA Cómo mantiene el directorio su neutralidad